基于多源遙感數(shù)據(jù)的山地城市人口空間化及演變特征研究

祝漢收 李月臣

[摘要]隨著數(shù)字化、信息化、大數(shù)據(jù)等時(shí)代的到來，人口統(tǒng)計(jì)數(shù)據(jù)空間化對(duì)生態(tài)環(huán)境評(píng)價(jià)、災(zāi)害預(yù)估、區(qū)域社會(huì)和經(jīng)濟(jì)等的細(xì)致化和空間化研究具有重要意義。通過夜間燈光和NDVI二種遙感數(shù)據(jù)構(gòu)建人居指數(shù)模型，并以多元回歸方法模擬人口分布并預(yù)測(cè)誤差，然后根據(jù)人口預(yù)測(cè)誤差通過DEM數(shù)據(jù)對(duì)模型進(jìn)行修正和重構(gòu)，最終模擬出山地城市人口空間分布特征。研究結(jié)果表明，人居指數(shù)與人口之間存在極強(qiáng)的相關(guān)性，由于山地城市地形的復(fù)雜性，模擬精度較低，通過DEM對(duì)人居指數(shù)的修正，模擬精度得到有效提高，2000年模擬的平均相對(duì)誤差從72.53%降低至45.29%，2005年從62.23%降低至36.08%，2010年從44.69%降低至21.17%。重慶市人口空間分布模式主要呈現(xiàn)出人口逐漸從渝西主城區(qū)向周圍擴(kuò)張；渝東北人口密度相對(duì)較小，但在逐漸增大；而渝東南地區(qū)人口分布密度最小，增長最緩慢。

[關(guān)鍵詞]人口空間化；夜間燈光；NDVI；人居指數(shù)

[中圖分類號(hào)]C922 [文獻(xiàn)標(biāo)識(shí)碼]A

中共十九大以來，大數(shù)據(jù)再一次成為熱題，運(yùn)用多種遙感數(shù)據(jù)將人口統(tǒng)計(jì)數(shù)據(jù)進(jìn)行空間可視化模擬，是對(duì)大數(shù)據(jù)時(shí)代的呼應(yīng)。在數(shù)字化、信息化的當(dāng)今時(shí)代，許多領(lǐng)域內(nèi)均會(huì)用到人口數(shù)據(jù)，人口空間化為生態(tài)資源環(huán)境評(píng)價(jià)、社會(huì)經(jīng)濟(jì)與人口關(guān)系研究、地質(zhì)災(zāi)害評(píng)估等眾多領(lǐng)域的空間研究提供了一種有效的人口空間數(shù)據(jù)支撐。目前，國內(nèi)外對(duì)人口空間化的研究模型眾多，如范一大等、Mennis將人口數(shù)據(jù)運(yùn)用面插值方法實(shí)現(xiàn)了人口數(shù)據(jù)空間化，這種方法簡單易實(shí)現(xiàn)，但往往不能有效反映真實(shí)的人口分布狀況；楊小喚等、田永中等、廖順寶等[6]根據(jù)土地利用數(shù)據(jù)與人口空間分布的關(guān)系對(duì)人口數(shù)據(jù)進(jìn)行空間化模擬，這種模型更符合實(shí)際，但模型默認(rèn)各土地類型內(nèi)的人口均勻分布，不能有效反映同一土地類型內(nèi)人口分布的差異性。近年來，因夜間燈光數(shù)據(jù)的燈光強(qiáng)度和人口數(shù)量之間存在極高的相關(guān)系數(shù)，越來越多的被運(yùn)用于人口空間化模型中，但夜間燈光數(shù)據(jù)往往存在空間分辨率較低、燈光過飽和像元溢出等問題。NDVI數(shù)據(jù)作為衡量植被茂密程度的指標(biāo)之一，往往能有效反映人類活動(dòng)的規(guī)律，且分辨率相對(duì)較高，與夜間燈光數(shù)據(jù)存在互補(bǔ)的作用。Lu等利用夜間燈光數(shù)據(jù)和NDVI數(shù)據(jù)提出一種能反映人類居住適宜度的人居指數(shù)，模擬出的人口空間分布情況更加符合實(shí)際。本文首先結(jié)合夜間燈光數(shù)據(jù)與NDVI數(shù)據(jù)構(gòu)建人居指數(shù)模型，然后將人居指數(shù)與人口統(tǒng)計(jì)數(shù)據(jù)做回歸分析，根據(jù)回歸方程模擬出各區(qū)縣的人口。由于山地城市地形復(fù)雜，本研究將DEM數(shù)據(jù)對(duì)人居指數(shù)進(jìn)行了優(yōu)化，形成新的人居指數(shù)模型，最終模擬出重慶市2000、2005和2010年三期人口空間分布圖。

重慶市是中國中西部唯一的直轄市、長江上游的經(jīng)濟(jì)中心，地理位置和經(jīng)濟(jì)位置均極其重要，是各種生態(tài)、資源和環(huán)境、地質(zhì)災(zāi)害等與人口關(guān)系的研究熱點(diǎn)區(qū)域。本研究將重慶市作為研究區(qū)，將為該地區(qū)各課題提供更有效的人口數(shù)據(jù)。重慶市是典型的山地城市，地形地貌極大的限制了人口的空間分布，人口空間化模擬對(duì)了解該地區(qū)的人口分布規(guī)律，解析山地城市人口分布影響因子有重大意義。

1 數(shù)據(jù)處理與研究方法

1.1 數(shù)據(jù)獲取與處理

本次使用的數(shù)據(jù)主要包括：①重慶市地理信息基礎(chǔ)數(shù)據(jù)；②來自《重慶市統(tǒng)計(jì)年鑒》的各區(qū)縣各時(shí)期的人口統(tǒng)計(jì)數(shù)據(jù)；③DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云，重采樣為25m；④NDVI逐月數(shù)據(jù)來源于美國LAADS DAAC（https：//ladsweb.nascom.nasa.gov/），空間分辨率重采樣為250m；⑤DMSP-OLS夜間燈光數(shù)據(jù)來源于美國國家地理數(shù)據(jù)中心（https：//www.ngdc. noaa.gov/eog/），空間分辨率為1km，因2013年以后傳感器更換，夜間燈光數(shù)據(jù)不同，本研究未模擬2015年人口空間數(shù)據(jù)。將所有數(shù)據(jù)投影為Albers等面積投影，用重慶市矢量邊界對(duì)數(shù)據(jù)進(jìn)行裁剪，得到重慶市范圍內(nèi)的各數(shù)據(jù)集。將NDVI數(shù)據(jù)和夜間燈光數(shù)據(jù)重采樣成空間分辨率為25m的數(shù)據(jù)，以利于結(jié)合DEM數(shù)據(jù)，同時(shí)，剔除NDVI小于0.1和大于0.9不適宜人口居住的區(qū)域，并用水系數(shù)據(jù)剔除水體。

1.2 研究方法

人居指數(shù)能有效反映區(qū)域人口居住環(huán)境的適宜程度，根據(jù)NDVI和DMSP-OLS燈光數(shù)據(jù)構(gòu)建人居指數(shù)，因NDVI數(shù)據(jù)的值在-1-1之間，應(yīng)對(duì)DMSP-OLS數(shù)據(jù)做標(biāo)準(zhǔn)化處理。本文參考LU等構(gòu)建的人居指數(shù)對(duì)重慶市地區(qū)構(gòu)建人居指數(shù)（HSI）模型，具體公式如下：

（1）

（2）

式中：OLS為夜間燈光數(shù)據(jù)值；OLSmax為夜間燈光數(shù)據(jù)的最大值；HIS為人居指數(shù)；NDVImax為NDVI年最大值；OLSnor為經(jīng)過標(biāo)準(zhǔn)化的夜間燈光數(shù)據(jù)。人居指數(shù)越高表示越適宜人居住。

人口模擬誤差檢驗(yàn)是對(duì)模擬結(jié)果精度的計(jì)算，具體計(jì)算公式如下：

（3）

（4）

式中：MPE為平均相對(duì)誤差；RE為相對(duì)誤差；POPs為區(qū)縣模擬人口；POPc為區(qū)縣統(tǒng)計(jì)人口；n為重慶市區(qū)縣個(gè)數(shù)。

2 結(jié)果分析

2.1 重慶市各區(qū)縣人口空間化的初步模擬

運(yùn)用SPSS軟件對(duì)2000、2005和2010年重慶市各區(qū)縣的人口密度值和人居指數(shù)密度值做回歸分析，發(fā)現(xiàn)R2大于0.9，兩者具有極強(qiáng)的相關(guān)性，對(duì)模擬的結(jié)果進(jìn)行誤差檢驗(yàn)（見表1），發(fā)現(xiàn)平均相對(duì)誤差極大，不能用于相關(guān)研究中。

在未考慮高程的情況下，人口模擬誤差極大。通過分析發(fā)現(xiàn)相對(duì)誤差小于20%的區(qū)縣平均高程基本都小于600m。高程大于600m的區(qū)縣相對(duì)誤差基本大于50%，因此，本文將高程小于600m的區(qū)縣運(yùn)用人居指數(shù)模型單獨(dú)計(jì)算，高程大于600m的區(qū)縣引入DEM高程數(shù)據(jù)對(duì)人居指數(shù)模型進(jìn)行修訂。將重慶市高程大于600m區(qū)縣的平均DEM與人口密度做相關(guān)性分析（見表2）。

通過表2可知，平均高程與人口密度的相關(guān)系數(shù)R2均大于0.7，證明高程與人口分布存在著較大的相關(guān)性。因此，這里利用DEM數(shù)據(jù)對(duì)高程大于600m區(qū)縣的人居指數(shù)進(jìn)行修訂，參考楊續(xù)超等的研究，公式如下：

（5）

式中：HSInew為修訂后的人居指數(shù)，a為e指數(shù)函數(shù)里DEM的系數(shù)。

根據(jù)修正后的人居指數(shù)模型對(duì)人居指數(shù)和人口數(shù)據(jù)做相關(guān)性分析和回歸分析，根據(jù)回歸方程模擬重慶市2000、2005和2010年三期人口空間分布圖，并對(duì)結(jié)果進(jìn)行誤差檢驗(yàn)（表3）。

根據(jù)表3和表1可知，修訂后的人居指數(shù)與人口的相關(guān)系數(shù)更高，模擬出的人口精度遠(yuǎn)高于修訂前，說明增加了高程因子使人口模擬效果更好。2000年模擬的人口平均相對(duì)誤差從修訂前的72.53%降低至45.29%，2005年人口平均相對(duì)誤差從62.23%降至36.08%，2010年人口平均相對(duì)誤差從44.69%降至21.17%，且時(shí)間越近模擬的精度越高。通過分析發(fā)現(xiàn)，人口誤差較大的區(qū)縣多是海拔相對(duì)較高且發(fā)展相對(duì)落后的區(qū)縣，分析原因可能是本研究所用夜間燈光數(shù)據(jù)是根據(jù)燈光強(qiáng)度判斷人口分布的情況，發(fā)展相對(duì)落后的地區(qū)夜間用燈較少或燈光微弱，導(dǎo)致夜間燈光捕捉不完全，而時(shí)間越近，經(jīng)濟(jì)越發(fā)達(dá)，燈光捕捉率則越高，模擬出的人口精度也就越高。同時(shí)，重慶市復(fù)雜的地形地貌條件，使人口分布極度不均勻，以區(qū)縣為邊界對(duì)人口數(shù)據(jù)取平均值進(jìn)行回歸分析，本身誤差較大，但經(jīng)過DEM的修訂后，模擬精度得到極大的提高，說明本研究的方法是可行的，在適當(dāng)提高人口統(tǒng)計(jì)邊界精度的前提下，運(yùn)用本研究的方法可以較好的模擬出反映重慶市人口的實(shí)際空間分布情況。

2.2 重慶市人口空間模擬結(jié)果及分布特征

結(jié)合修訂前和修訂后的人居指數(shù)對(duì)重慶市人口進(jìn)行模擬，得到2000、2005和2010年三期25m×25m分辨率的人口空間分布圖（見圖1～3）。

圖1 2000年重慶市 圖2 2005年重慶市 圖3 2010年重慶市

人口分布圖 人口分布圖 人口分布圖

根據(jù)模擬出的三期人口空間分布圖可以發(fā)現(xiàn)，重慶市人口在歷史發(fā)展中均集中分布在渝西中部的主城區(qū)，主城區(qū)外圍則有多個(gè)聚居地環(huán)繞，渝東北地區(qū)中部萬州區(qū)附近分布多個(gè)人口聚居地，渝東南人口密度總體最低。隨著時(shí)間的推移，重慶市人口呈逐漸增加的趨勢(shì)，人口從主城區(qū)逐漸向外擴(kuò)展，特別是2005至2010年間人口急劇增加，在渝西西部地區(qū)的多個(gè)聚居地人口規(guī)模普遍增大；同時(shí)，人口呈現(xiàn)從主城區(qū)向渝東北地區(qū)蔓延的趨勢(shì)，在主城區(qū)至渝東北中部的萬州區(qū)一帶，人口有多個(gè)聚居地，且人口規(guī)模逐漸增大，至2010年，這一長廊形區(qū)域人口已普遍分布，并形成多個(gè)較大的人口聚居地。渝東南地區(qū)人口密度在三個(gè)時(shí)期均是最低的區(qū)域，且在發(fā)展過程中只有渝東南最南部人口有明顯增加趨勢(shì)，其他區(qū)域人口密度則普遍較低，人口規(guī)模增長不明顯。

根據(jù)DEM矯正后的人居指數(shù)模型和重慶市的地形地貌分布規(guī)律分析，渝西地區(qū)為淺丘地貌，地勢(shì)較平，特別是渝西中部的主城區(qū)，地勢(shì)平緩，人居指數(shù)極高，是重慶市人口分布的主要地區(qū)。渝西至渝東北的長廊形地區(qū)，地勢(shì)相對(duì)較平，人居指數(shù)相對(duì)較高，并受主城區(qū)和萬州區(qū)的帶動(dòng)，經(jīng)濟(jì)發(fā)展水平得到有效提高，人口密度較大；渝東北東北部位于大巴山山脈，地形起伏度較大，人居環(huán)境較差，人口數(shù)量分布也較少。渝東南地區(qū)地處武陵山和大婁山山脈，地勢(shì)較復(fù)雜，交通不便，經(jīng)濟(jì)欠發(fā)達(dá)，導(dǎo)致人居環(huán)境較差，人口增長幅度極小，人口分布是整個(gè)重慶市最少的地區(qū)。

通過分析重慶市人口在2000、2005和2010年的分布情況，反映了人口的分布受地形地貌的限制極大，地形起伏度較小，高程較低的地區(qū)，人居環(huán)境較好，較適宜人類的居住，是人口數(shù)量和密度較大的地區(qū)；地勢(shì)復(fù)雜、高程越高和交通不便的地區(qū)，人居環(huán)境較差，人口密度則相對(duì)較低。

3 結(jié)論與討論

人口統(tǒng)計(jì)數(shù)據(jù)受行政區(qū)劃的限制，存在時(shí)間和空間分辨率低的缺點(diǎn)，在當(dāng)今數(shù)字化和信息化的時(shí)代，人口統(tǒng)計(jì)數(shù)據(jù)已遠(yuǎn)遠(yuǎn)不能滿足研究的需要，人口數(shù)據(jù)空間化為解析人口具體空間分布規(guī)律、災(zāi)害風(fēng)險(xiǎn)精細(xì)化評(píng)估及人口與資源環(huán)境的協(xié)調(diào)性空間評(píng)價(jià)等領(lǐng)域提供了可能。對(duì)于山地城市而言，高程因子是人口分布的必要性因子，通過DEM數(shù)據(jù)對(duì)人居指數(shù)的修訂，能更有效精確地模擬山地城市的人口空間分布。此外，分析發(fā)現(xiàn)人口模擬精度隨時(shí)間的推移精度越來越高，從側(cè)面反映人口模擬精度一定程度上受地區(qū)經(jīng)濟(jì)發(fā)展的影響。重慶市人口總體呈增長態(tài)勢(shì)，地形越平緩，人口密度越大；地形越復(fù)雜，人口密度越小。人口密度最大的區(qū)域在渝西中部的主城區(qū)，其次為主城周圍區(qū)縣，在主城區(qū)至渝東北萬州區(qū)的長廊形區(qū)域人口密度也相對(duì)較大，渝東北的東北部和渝東南地區(qū)為人口密度最小的區(qū)域。

通過本文的研究，有效地空間化了重慶市三期的人口統(tǒng)計(jì)數(shù)據(jù)，并用高程數(shù)據(jù)修訂了人居指數(shù)，使模擬出的山地城市人口分布狀況更符合實(shí)際，但本研究也存在許多不足之處，雖然人居指數(shù)經(jīng)過高程數(shù)據(jù)的修訂，模擬精度有較大的提高，但模擬結(jié)果仍存在較大誤差，在后續(xù)研究中，應(yīng)增加其他影響人口空間分布的因子，對(duì)人居指數(shù)模型進(jìn)一步修改完善，并提高人口統(tǒng)計(jì)數(shù)據(jù)的邊界分辨率，以提高模擬精度。

[參考文獻(xiàn)]

[1] 司春霞，胡瑞芝.我國農(nóng)村居民點(diǎn)布局存在的問題及對(duì)策研究[J].農(nóng)村經(jīng)濟(jì)與科技，2006（12）：64-65.

[2] 范一大，史培軍，辜智慧，等.行政單元數(shù)據(jù)向網(wǎng)格單元轉(zhuǎn)化的技術(shù)方法[J].地理科學(xué)，2004，24（1）：105-108.

[3] Mennis J.Generating surface models of population using dasymetric mapping [J].The Professional Geographer，2003，55（1）：31-42.

[4] 楊小喚，江東，王乃斌，等.人口數(shù)據(jù)空間化的處理方法[J].地理學(xué)報(bào)，2002，57（增刊）：70-75.

[5] 田永中，陳述彭，岳天祥，等.基于土地利用的中國人口密度模擬[J].地理學(xué)報(bào)，2004，59（2）：283-292.

[6] 廖順寶，李澤輝.基于人口分布與土地利用關(guān)系的人口數(shù)據(jù)空間化研究——以西藏自治區(qū)為例[J].自然資源學(xué)報(bào)，2003（06）：659-665.

[7] Prosperie L，Eyton R. The relationship between brightness values from a nighttime satellite image and Texas County population[J].Southwestern Geographers，2002，92（2）：224-240.

[8] Amaral S，Monteiro A，Camara G，et al.DMSP-OLS night-time light imagery for urban population estimates in the Braziilian Amazon[J].International Journal of Remote Sensing，2006，27（5）：855-870.

[9] Sutton P.Modeling population density with night-time satellite imagery and GIS[J].Computer， Environment and Urban System，1997，21（3）：227-244.

[10] Chowdhury P K R，Maithani S，Dadhwal V K.Estimation of urban population in Indo-Gangetic Plains using night-time OLS data[J].International Journal of Remote Sensing，2012，33（8）：2498-2515.

[11] 卓莉，陳晉，史培軍，等.基于夜間燈光數(shù)據(jù)的中國人口密度模擬[J].地理學(xué)報(bào)，2005（02）：266-276.

[12] Roy Chowdhury P，Maithan I S.Monitoring growth of built-up areas in indo-gangetic plain using multi-sensor remote sensing data[J].Journal of the Indian Society of Remote Sensing，2010，38（2）：291-300.

[13] Lu D，Tian H，Zhou G，et al.Regional mapping of human settlements in southeastern China with multisensory remotely sensed data[J].Romote Sensing of Environment，2008，112（9）：3668-3679.

[14] Lu D， Weng Q，Li G.Residential population estimation using a remote sensing derived impervious surtace approach[J].International Journal of Remote Sensing，2006，27（16）：3553-3570.

[15] 楊續(xù)超，高大偉，丁明軍，等.基于多源遙感數(shù)據(jù)及DEM的人口統(tǒng)計(jì)數(shù)據(jù)空間化——以浙江省為例[J].長江流域資源與環(huán)境，2013（06）：729-734.